[論文レビュー] EMM: Energy-Aware Mobility Management for Mobile Edge Computing in Ultra Dense Networks

Yuxuan Sun, Sheng Zhou+1 more|arXiv (Cornell University)|Sep 8, 2017

Advanced MIMO Systems Optimization参考文献 9被引用数 6

ひとこと要約

本稿では、超密なネットワークにおけるモバイルエッジコンピューティングのエネルギーに配慮した移動管理方式であるEMMを提案する。Lyapunov最適化とマルチアームバンディット理論を用いて、長期的なエネルギー制約のもとで遅延を最小化する。アルゴリズムは、不完全で変動するシステム状態情報が存在する状況でも、ユーザーのエネルギー予算を満たしつつ、ほぼ最適な遅延性能を達成する。

ABSTRACT

Merging mobile edge computing (MEC) functionality with the dense deployment of base stations (BSs) provides enormous benefits such as a real proximity, low latency access to computing resources. However, the envisioned integration creates many new challenges, among which mobility management (MM) is a critical one. Simply applying existing radio access oriented MM schemes leads to poor performance mainly due to the co-provisioning of radio access and computing services of the MEC-enabled BSs. In this paper, we develop a novel user-centric energy-aware mobility management (EMM) scheme, in order to optimize the delay due to both radio access and computation, under the long-term energy consumption constraint of the user. Based on Lyapunov optimization and multi-armed bandit theories, EMM works in an online fashion without future system state information, and effectively handles the imperfect system state information. Theoretical analysis explicitly takes radio handover and computation migration cost into consideration and proves a bounded deviation on both the delay performance and energy consumption compared to the oracle solution with exact and complete future system information. The proposed algorithm also effectively handles the scenario in which candidate BSs randomly switch on/off during the offloading process of a task. Simulations show that the proposed algorithms can achieve close-to-optimal delay performance while satisfying the user energy consumption constraint.

研究の動機と目的

• 基地局（BS）が無線アクセスおよびコンピューティングサービスを提供するモバイルエッジコンピューティング（MEC）環境における移動管理の課題に対処すること。
• 超密ネットワーク（UDN）における従来の無線中心の移動管理の限界を克服すること。ここで、無線およびコンピューティングリソースの共同提供がユーザー接続の複雑化を引き起こす。
• 将来のシステム状態情報が得られない状況で動作するオンラインでユーザー中心の移動管理アルゴリズムを設計すること。また、オン/オフスイッチングによる基地局の動的可用性に対応すること。
• 長期的なエネルギー予算制約のもとで、タスクのオフロード遅延とユーザーのエネルギー消費のトレードオフを最適化すること。
• ノイズの多い観測（例：BS負荷やチャネル状態のノイズあり）といった不完全なシステム状態情報に対してもロバスト性を確保すること。

提案手法

• Lyapunov最適化とマルチアームバンディット（MAB）理論を統合し、遅延とエネルギー消費のバランスを取るオンライン移動管理アルゴリズムを設計すること。
• 時間平均遅延を最小化する目的関数を、長期的なエネルギー予算制約のもとで制約付き最適化問題として定式化すること。
• Lyapunovドリフト＋ペナルティ法を用いて、制約付き問題をドリフト＋ペナルティ式の無制約最小化問題に変換すること。
• MABフレームワークを用いて、BS性能の不完全またはノイズのある観測のもとでも、リアルタイムで最良のBSを選択する学習を実現すること。
• 可用性の変化に伴う状態保持を可能にする一般化されたEMMバージョン（EMM-LSI-V）を設計し、収束性を向上させ、ハンドオーバーオーバーヘッドを低減すること。
• 実際の運用オーバーヘッドを反映させるために、無線ハンドオーバーコストと計算移行コストをユーティリティ関数に組み込むこと。

実験結果

リサーチクエスチョン

• RQ1 将来のシステム状態情報が得られない状況で、観測がノイズを含む場合に、MECを搭載した超密ネットワークにおける移動管理をどのように最適化できるか？
• RQ2 完全な将来知識を持つオラクル解と比較して、提案されたオンラインアルゴリズムの遅延およびエネルギー消費における性能ギャップはどの程度か？
• RQ3 基地局のランダムなオン/オフスイッチングといった動的可用性に対し、アルゴリズムはどのように対処するか？
• RQ4 学習期間と観測分散が、移動管理アルゴリズムの収束性および遅延性能に与える影響は何か？
• RQ5 提案されたアルゴリズムは、ユーザーが定義した長期的なエネルギー予算を厳密に守りながら、ほぼ最適な遅延性能を達成できるか？

主な発見

• 提案されたEMMアルゴリズムは、完全な将来知識を持つオラクル解からの有界なずれで遅延性能を達成しており、理論的安定性とほぼ最適性を裏付ける。
• シミュレーションにより、EMM-GSIはエネルギー予算が十分に大きい場合、学習による性能損失が最小限に抑えられ、ほぼ最適な遅延性能を達成することが示された。
• エネルギー予算が低い場合、アルゴリズムはエネルギー制約を効果的に強制し、実行可能解が存在しない場合でも違反を防ぐ。
• 観測分散が30％の場合、EMM-LSIは$ K_s = 20 $で最適な性能を達成し、学習精度とハンドオーバーコストのバランスを取った。
• 可用性の変化に伴うEMM-LSI-Vは、EMM-LSIよりも収束が速く、ハンドオーバータイムを短縮し、動的ネットワーク状態への適応性を向上させる。
• 動的BS可用性下でもアルゴリズムは低レグレットを維持し、収束速度と安定性の点でEMM-LSI-VがEMM-LSIを上回る性能を発揮した。